基于改进CEEMDAN和t-SNE的故障特征提取方法

摘要：

针对非线性、非稳定振动信号难以提取有效故障特征的问题,提出一种基于改进自适应噪声完备集合经验模态分解(CEEMDAN)和t-分布随机邻域嵌入(t-SNE)算法相结合的故障特征提取方法.利用三次Hermite插值代替三次样条插值构造包络线,提高传统CEEMDAN对非平稳信号的分解精度;利用改进后的CEEMDAN对原始信号分解并通过相关系数筛选出有效固有模态分量(IMF),提取有效IMF分量的时频特征、奇异值和能量值构建高维混合域特征集;最后,通过t-SNE算法挖掘高维混合域特征信息得到低维敏感特征,并将其输入到支持向量机中进行分类,以分类准确率作为特征提取效果评价指标.在齿轮箱故障模拟实验台进行实验验证,结果表明该方法能够准确地提取故障特征,为故障特征提取提供新思路.

关键词：Hermite插值法、自适应噪声完备集合经验模态分解、t-分布随机邻域嵌入、故障特征提取

所属期刊栏目：51

分类号：TH165

资助基金：河北省省级科技计划;石家庄市科学技术研究与发展计划项目

在线出版日期：2023-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：216-222